Ushbu tadqiqot nanoparcha sintezida reaktivlar qaysi tartibda qo‘shilishi hamda reaktiv hajmlari kabi uzluksiz reaksiya sharoitlarini bir xil optimallashtirish jarayoni doirasida ko‘rib chiqadigan NanoChef nomli sun’iy intellekt tizimini o‘rganadi. NanoChef reaktivlar tartibini pozitsion kodlash, reaktivlarning kimyoviy identifikatsiyasini MatBERT embeddinglari va uzluksiz tajriba sharoitlarini sonli o‘zgaruvchilar orqali ifodalab, ularni yengil neyron tarmoq asosidagi surrogat modelga uzatadi. Tizim virtual optimallashtirish yuzalarida, robotlashtirilgan kumush nanoparcha sintezida va qo‘shimcha oltin nanorod tajribasida sinovdan o‘tkazilgan. Virtual tajribalarning aksariyatida global optimum 40 sikldan oldin topilgan; ikki reaktivli kumush nanoparcha tajribasida qaytaruvchi oxirida qo‘shilgan tartib UV-Vis spektridagi yarim maksimumdagi to‘liq kenglikni 214 nm dan 146 nm gacha kamaytirgan. Biroq tadqiqot hakamlar ko‘rigidan o‘tmagan preprintdir; natijalar asosan bitta avtonom laboratoriya qurilmasi va cheklangan sondagi nanoparcha tizimlariga tayangan.

NanoChef’ning asosiy yangiligi sintez tartibini oldindan qat’iy belgilangan laboratoriya protsedurasi sifatida emas, balki optimallashtirilishi mumkin bo‘lgan kimyoviy dizayn o‘zgaruvchisi sifatida ko‘rib chiqishidir. To‘rt reaktivli tizimda vodorod peroksid, kumush nitrat, natriy borogidrid va sitrat uchun 24 xil qo‘shish tartibi mavjud. Oltita uzluksiz o‘zgaruvchining har biri 30 alohida darajaga bo‘linganda nazariy nomzod fazosi taxminan 17,5 milliard retseptga yetgan. NanoChef bu fazoni birma-bir sinash o‘rniga model bashoratlari va noaniqlik ma’lumoti bilan yo‘naltirilgan taxminan 58 tajriba sikli ichida o‘rgangan.

Kumush nanoparcha tajribalarida qaytaruvchi oxirida qo‘shilgan yondashuv maqsad qilingan 513 nm maksimal yutilish to‘lqin uzunligiga erishishda eng past yo‘qotish qiymatini bergan. Uch reaktivli tizimda oksidlovchi oxirida qo‘shilgan yondashuv esa o‘rtacha FWHM bo‘yicha torroq va bir xilligi yuqoriroq spektrlar hosil qilgan. Bu ikki topilmani bir-biridan ajratish kerak: qaytaruvchi-oxirida strategiyasi maqsadga xos eng yaxshi retseptlarni bergan bo‘lsa, oksidlovchi-oxirida strategiyasi tajribalar bo‘yicha o‘rtacha bir xillik nuqtayi nazaridan afzallik ko‘rsatgan.

Türkiye nuqtayi nazaridan: Yondashuv Türkiye’da nanomateriallar, kataliz, energiya materiallari, sensorlar, qoplamalar va ilg‘or ishlab chiqarish bo‘yicha tadqiqot olib boradigan universitet laboratoriyalari hamda tadqiqot markazlarida tajriba xarajatlarini kamaytirishga qaratilgan avtonom laboratoriya modeli sifatida baholanishi mumkin. Amaliyot uchun mahalliy laboratoriya uskunalari bilan hajm uzatish aniqligini qayta o‘lchash, turli qurilmalardan olingan UV-Vis ma’lumotlarini kalibrlash, modelni Türkiye’da ishlatiladigan reaktivlar va uskunalar bilan qayta o‘qitish, xavfsizlik protokollarini tekshirish va mustaqil laboratoriyalarda takrorlanuvchanlik tadqiqotlarini o‘tkazish kerak. Ushbu tadqiqotdan Türkiye’dagi laboratoriyalarning xarajatlari, infratuzilma yetarliligi, sanoat miqyosidagi ishlab chiqarish muvaffaqiyati yoki me’yoriy talablarga muvofiqlik haqida bevosita xulosa chiqarib bo‘lmaydi.

Tadqiqotning asosiy savoli nima?

Tadqiqotning asosiy savoli avtonom laboratoriya reaktiv miqdorlari kabi uzluksiz o‘zgaruvchilar bilan reaktivlarni qo‘shish tartibi kabi kategorik va tartibli o‘zgaruvchilarni bir vaqtning o‘zida optimallashtira oladimi, degan masaladir. Amaldagi avtonom tajriba tizimlarining aksariyati konsentratsiya, hajm, harorat yoki in’eksiya tezligi kabi sonli o‘zgaruvchilarga e’tibor qaratadi. Reaktivlarni qo‘shish tartibi esa odatda adabiyot yoki tadqiqotchining oldingi bilimiga ko‘ra qat’iy belgilanadi.

Bunday qat’iy belgilash nanoparcha sintezi uchun muhim cheklovdir. Xuddi shu reaktivlar xuddi shu miqdorlarda ishlatilgan taqdirda ham metall prekursor, qaytaruvchi, oksidlovchi yoki sirt faol moddaning turli tartibda qo‘shilishi yadrolanish vaqtini, yon reaksiyalarni, o‘sish tezligini va zarracha morfologiyasini o‘zgartirishi mumkin. Shu sababli sintez tartibini o‘zgarmas saqlab, faqat hajmlarni optimallashtirish yaxshiroq natija berishi mumkin bo‘lgan noodatiy sintez yo‘llarining umuman sinab ko‘rilmasligiga olib kelishi mumkin.

Tartib haqidagi ma’lumot sun’iy intellektga qanday uzatilgan?

NanoChef har bir sintez bosqichini ikki alohida axborot qatlami bilan ifodalaydi. Birinchi qatlam reaktivning ketma-ketlikdagi o‘rnini ko‘rsatadigan pozitsion kodlashdir. Ikkinchi qatlam reaktivning kimyoviy identifikatsiyasi va kontekstual rolini ifodalovchi MatBERT embeddingidir. MatBERT materialshunoslik matnlarida oldindan o‘qitilgan til modelidir. Kumush nitrat, vodorod peroksid yoki natriy borogidrid kabi reaktiv nomlari avval 768 o‘lchamli embeddinglarga aylantirilgan, so‘ng to‘rt o‘lchamga proyeksiya qilingan.

Pozitsiya vektori va kimyoviy identifikatsiya vektori birlashtirish o‘rniga qo‘shilgan. Shu tariqa har bir sintez bosqichi ham “qaysi reaktiv?”, ham “nechanchi tartibda?” savollarini o‘zida saqlaydigan to‘rt o‘lchamli vektor bilan ifodalangan. Reaktiv hajmlari kabi uzluksiz sharoitlar ham normallashtirilib, ushbu vektorlarga qo‘shilgan. Tadqiqotning 1-shakli tartib vektorlari, MatBERT reaktiv embeddinglari, sharoit vektorlari, neyron tarmoq, noaniqlik taqsimoti va robotik laboratoriya o‘rtasidagi ushbu yopiq siklni ko‘rsatadi.

Mualliflar klassik one-hot kodlash tartiblar soni ortgani sari samarasizlashishini ta’kidlaydi. Masalan, yetti reaktivning barcha tartiblarini alohida kategoriyalar sifatida kodlash 7! = 5.040 imkoniyat hosil qiladi. Pozitsion kodlashda esa vektor o‘lchami mumkin bo‘lgan tartiblarning faktorial o‘sishidan qat’i nazar, o‘zgarmas saqlanishi mumkin.

Pozitsion kodlash tenglamalari

Juft va toq vektor komponentlari uchun ishlatilgan pozitsion kodlash tenglamalari quyidagicha:

\[ \mathrm{PE}(pos,2i)=\sin\left(\frac{pos}{n^{2i/d_{\mathrm{model}}}}\right) \]

\[ \mathrm{PE}(pos,2i+1)=\cos\left(\frac{pos}{n^{2i/d_{\mathrm{model}}}}\right) \]

Bu yerda pos reaktivning sintez ketma-ketligidagi o‘rnini; i vektor komponentining indeksini; d_model embedding o‘lchamini; n esa chastotani masshtablash koeffitsiyentini ifodalaydi. Tadqiqotda d_model = 4 va n = 100 ishlatilgan. Bu o‘zgaruvchilar fizik birlikka ega emas. Sinus va kosinus funksiyalari birinchi, ikkinchi, uchinchi va keyingi pozitsiyalarga bir-biridan ajratib bo‘ladigan sonli imzolar beradi.

Mualliflar ikki yoki uch o‘lchamli kodlashda reaktivlar soni ortgani sari ayrim pozitsiya vektorlari bir-biriga haddan tashqari yaqinlashishini; to‘rt o‘lcham esa pozitsiyalarni ajratish bilan hisoblash xarajatini cheklangan saqlash o‘rtasida maqbul muvozanat berishini bildiradi.

Surrogat model va noaniqlik qanday ishlaydi?

NanoChef yadrosida 4.000 dan kam o‘qitiladigan parametrga ega neyron tarmoq mavjud. Model sintez retsepti maqsad nanoparchadan qanchalik og‘ishini ko‘rsatadigan kutilayotgan yo‘qotish qiymatini, ya’ni μ qiymatini bashorat qiladi. Noaniqlik σ esa to‘g‘ridan-to‘g‘ri ikkinchi tarmoq chiqishi yoki katta model ansambli orqali emas, Gamma taqsimotidan namunalanadigan aniqlik termini orqali hosil qilinadi.

Tadqiqotda model chiqishi taxminan quyidagi taqsimot bilan ifodalangan:

\[ y_n \sim N(\mu_n,\tau_n) \]

Bu yerda μ_n bashorat qilingan o‘rtachani, τ_n esa Gamma taqsimotidan namunalanadigan aniqlik terminini ko‘rsatadi. Gamma taqsimotining parametrlari:

\[ \alpha=\frac{12}{\sqrt{n}},\qquad \beta=1 \]

ko‘rinishida berilgan. n yig‘ilgan kuzatuvlar sonidir. Asosiy matnda ma’lumotlar to‘plangani sari noaniqlik taqsimoti torayishi aytiladi; biroq Gamma taqsimotida masshtab yoki tezlik parametridan qaysi biri ishlatilgani va τ normal taqsimotda dispersiyami yoki aniqlikmi ekani to‘liq matematik tafsilot bilan tushuntirilmagan. Shu sababli noaniqlikning mutlaq kalibrlanishini faqat asosiy matndan qayta tiklab bo‘lmaydi.

Keyingi tajriba qanday tanlanadi?

Acquisition funksiyasi sifatida yo‘qotish minimallashtiriladigan muammoga moslashtirilgan yuqori ishonch chegarasi munosabati ishlatilgan:

\[ \mathrm{UCB}=\mu-\kappa\sigma \]

μ past bo‘lganda retseptning maqsadga yaqin bo‘lishi kutiladi. σ yuqori bo‘lganda esa retsept noaniqroq va shuning uchun kashfiyot nuqtayi nazaridan ko‘proq axborot berishi mumkin. κ koeffitsiyenti kashfiyot bilan mavjud yaxshi hududlardan foydalanish o‘rtasidagi muvozanatni belgilaydi. Tadqiqotning asosiy tajribalarida κ = 0,05 ishlatilgan.

Har bir siklda NanoChef bir guruh sintez retseptlarini taklif qiladi, robotik tizim bu retseptlarni bajaradi, hosil bo‘lgan nanoparchalarni UV-Vis spektroskopiyasi bilan o‘lchaydi va hisoblangan yo‘qotish qiymatlarini yana modelga uzatadi. Shu tariqa tajriba, xarakterizatsiya, ma’lumot tahlili va yangi tajribani tanlash yopiq siklni hosil qiladi.

Robotik laboratoriya qurilmasi

Tadqiqotchilar kuchli kislotalar, asoslar va polimer eritmalari bilan uzoq muddat ishlashga ko‘proq mos mikropipetka asosidagi batch sintez modulini ishlab chiqqan. Robotik uch birlik turli eritmalarni uzata oladi, o‘zgaruvchan hajmlarni taqsimlay oladi va yangi qaytaruvchi eritma tayyorlay oladi. Sirpanma ulash va eritma in’eksiyasi jarayoni 11 amaliy bosqichdan iborat.

Suyuqlik uzatish tizimi uchun bildirilgan sistematik xato eng ko‘pi bilan %2, tasodifiy xato esa eng ko‘pi bilan %0,8. Xuddi shu kumush nanoparcha retsepti bilan bajarilgan 10 takror tajribada maksimal yutilish to‘lqin uzunligi 502 ± 9 nm sifatida o‘lchangan. Bu natija butun sintez zanjiri muayyan retseptni maqbul takrorlanuvchanlik bilan bajara olishini ko‘rsatadi; biroq turli laboratoriyalar yoki turli robotik uskunalar o‘rtasidagi takrorlanuvchanlik sinovdan o‘tkazilmagan.

Virtual tajribalar nimani ko‘rsatadi?

Haqiqiy kimyoviy tajribalarni ko‘plab algoritmlar bilan takrorlash katta vaqt va reaktiv xarajati tug‘dirgani sababli NanoChef avval Olympus doirasidagi matematik optimallashtirish yuzalarida baholangan. A→B va B→A sintez tartiblari bir-biridan farqli virtual yuzalar bilan ifodalangan. Ikki yuza o‘rtasidagi o‘xshashlik Spearman tartib korrelyatsiyasi koeffitsiyenti bilan o‘lchangan:

\[ \rho=1-\frac{6\sum d_i^2}{n(n^2-1)} \]

Bu yerda d_i mos keluvchi ikki nuqta tartiblari orasidagi farqni; n taqqoslangan nuqtalar sonini ko‘rsatadi. Koeffitsiyent 1 ga yaqinlashganda ikki sintez tartibining natija yuzalari bir-biriga o‘xshash bo‘ladi, koeffitsiyent kamayganda esa sintez tartibining natijaga ta’siri kuchliroq deb qabul qilinadi.

2-shaklda tartib ta’siri kuchaygani sari tanlangan nuqtalar kengroq hududga tarqalishi ko‘rinadi. Ta’sirsiz holatda qidiruv global optimum atrofida zich to‘plangan bo‘lsa, kuchli ta’sir holatida Killimanjaro yuzasidagi lokal optimumlar ko‘proq kashfiyot talab qilgan. Shunga qaramay, NanoChef ushbu barcha misollarda Dejong yuzasidagi global optimumni topgan.

Normallashtirilgan yo‘qotish

Turli matematik yuzalarda hisoblangan yo‘qotishlarni taqqoslash uchun ishlatilgan normallashtirilgan yo‘qotish tenglamasi quyidagicha:

\[ L_{\mathrm{norm}}=\frac{\left(\frac{f(i)_{\mathrm{surface}}}{A_{\mathrm{scaling}}}+B_{\mathrm{max,loss}}-C_{\mathrm{global,loss}}\right)}{D_{\mathrm{total,minmax}}} \]

f(i)_surface taqqoslangan yuzalarning funksiya qiymatlari yig‘indisini; A_scaling masshtablash koeffitsiyentini; B_max,loss maksimal yo‘qotishni; C_global,loss global minimal yo‘qotishni; D_total,minmax esa umumiy minimum-maksimum oralig‘ini ko‘rsatadi. Normallashtirishdan keyin natija o‘lchovsiz bo‘ladi. Ushbu parametrlarning sonli qiymatlari qo‘shimcha jadvalda berilgani sababli yuklangan asosiy matn asosida ularni to‘liq qayta hisoblab bo‘lmaydi.

Muqobil optimallashtirish usullari bilan taqqoslash

3-shaklda NanoChef Gauss jarayoniga asoslangan Bayes optimallashtirishi, kovariatsiya matritsasini moslashtiruvchi evolyutsion strategiya va Lotin giperkubi namunalash usullari bilan taqqoslangan. Oltita virtual yuzadan iborat multimodal test fazosida barcha usullar bir xil 20 boshlang‘ich nuqta bilan ishga tushirilgan va beshta alohida tasodifiy urug‘ bilan takrorlangan.

NanoChef o‘rtacha yo‘qotishni birinchi siklda taxminan 0,20 dan 0,16 gacha kamaytirgan va 28. siklda 0 yo‘qotishga erishgan. Ushbu bosqichda besh takror orasidagi standart og‘ish ham 0 deb bildirilgan. Bunga qarshi ravishda, 100 sikl oxirida Gauss jarayoniga asoslangan usul taxminan 0,21, CMA-ES taxminan 0,16 va Lotin giperkubi namunalashi taxminan 0,14 yo‘qotishda qolgan.

Bu natija NanoChef tadqiqotda ishlatilgan sintetik yuzalarda lokal optimumlardan qochishga qodir ekanini ko‘rsatadi. Biroq taqqoslash haqiqiy kimyoviy tajribalarda o‘tkazilmagan va kategorik o‘zgaruvchilar bazaviy usullar uchun uzluksiz fazoga o‘tkazilgan. Shu sababli ushbu grafik NanoChef har bir optimallashtirish muammosida barcha usullardan ustun ekanini isbotlamaydi.

Ikki reaktivli kumush nanoparcha tajribasi

Birinchi haqiqiy kimyoviy taqqoslashda kumush nitrat va natriy borogidridni qo‘shish tartibi o‘zgartirilgan. Metall prekursor-oxirida usulida NaBH₄ avval, AgNO₃ keyin qo‘shilgan. Qaytaruvchi-oxirida usulida esa AgNO₃ avval, NaBH₄ keyin qo‘shilgan. Maqsad maksimal yutilish to‘lqin uzunligi 513 nm bo‘lgan va tor UV-Vis cho‘qqisini ko‘rsatadigan kumush nanoparchalarni ishlab chiqarishdir.

4-shaklda qaytaruvchi-oxirida usuli pastroq yo‘qotishga erishgan. Metall prekursor-oxirida retseptining UV-Vis spektrida FWHM 214 nm va bir nechta cho‘qqi kuzatilgan bo‘lsa, qaytaruvchi-oxirida retseptida FWHM 146 nm gacha kamaygan. To‘g‘ridan-to‘g‘ri ushbu ikki son asosida hisoblangan kamayish taxminan %31,8. Asosiy matnda bu %32 yaxshilanish sifatida bildirilgan.

TEM tasvirlarida metall prekursor-oxirida namunada zarracha o‘lchami va shakli ko‘proq geterogen, qaytaruvchi-oxirida namunada esa tartibliroq ko‘rinadi. Biroq asosiy matnda TEM tasvirlariga oid zarrachalar soni, miqdoriy o‘lcham taqsimoti yoki statistik taqqoslash berilmagan. Shu sababli monodisperslik bahosining asosiy miqdoriy ko‘rsatkichi UV-Vis cho‘qqisi kengligidir; TEM tasvirlari esa qo‘llab-quvvatlovchi vizual dalil xususiyatiga ega.

Mualliflar taklif qilgan mexanizmga ko‘ra, AgNO₃, limon kislotasi va PVP qaytaruvchi qo‘shilishidan oldin bir jinsli tarzda aralashtirilganda NaBH₄ qo‘shilishi tez va fazoviy jihatdan bir tekis yadrolanish hosil qilishi mumkin. Teskari tartibda esa qoldiq H₂O₂ bilan NaBH₄ orasidagi yon reaksiyalar samarali qaytarish kuchini kamaytirishi mumkin. Bu mexanizm tadqiqotda to‘g‘ridan-to‘g‘ri reaksiya kinetikasi yoki oraliq turlarni o‘lchash bilan sinovdan o‘tkazilmagan, balki tajribaviy tendensiyalarni tushuntiruvchi gipoteza sifatida taqdim etilgan.

Kumush nanoparcha uchun yo‘qotish funksiyasi

Optimallashtirish maksimal yutilish to‘lqin uzunligi bilan cho‘qqi kengligini birgalikda baholaydigan vaznlangan yo‘qotish funksiyasiga asoslangan:

\[ L=0{,}7\left(\frac{\lambda_{\max}-\lambda_{\max,\mathrm{hedef}}}{A_{\lambda_{\max}}}\right)+0{,}3\left(\frac{\mathrm{FWHM}}{A_{\mathrm{FWHM}}}\right) \]

λ_max sintez qilingan nanoparchaning maksimal yutilish to‘lqin uzunligini; λ_max,hedef maqsad to‘lqin uzunligini; FWHM esa UV-Vis cho‘qqisining yarim maksimumdagi to‘liq kengligini ko‘rsatadi. Ushbu kattaliklarning birligi nanometrdir. A_λmax va A_FWHM ham nanometr birligidagi normallashtirish koeffitsiyentlaridir; bo‘lish amalidan keyin ikkala had ham o‘lchovsiz bo‘ladi.

513 nm maqsad uchun A_λmax = 850 - 513 = 337 nm, FWHM normallashtirishi uchun A_FWHM = 550 nm ishlatilgan. λ_max hadiga 0,7, FWHM hadiga 0,3 vazn berilishi maqsad to‘lqin uzunligiga erishish cho‘qqini toraytirishdan yuqoriroq ustuvorlikka ega ekanini anglatadi.

Tenglamaning bosma ko‘rinishida λ_max bilan maqsad orasidagi farq mutlaq qiymatga olinmasdan yoki kvadratga oshirilmasdan yozilgan. Bunday holatda maqsaddan past to‘lqin uzunliklari manfiy hissa hosil qilishi mumkin. Asosiy matnda bu ishora holati amaliyotda qanday boshqarilgani tushuntirilmagan. Shu sababli yo‘qotish funksiyasining koddagi to‘liq amalga oshirilishi faqat bosma tenglama asosida aniq tasdiqlanmaydi.

Uch reaktivli tizimda qaysi tartib yaxshiroq natija bergan?

Uch reaktivli tajribada AgNO₃, H₂O₂ va NaBH₄ uchun oltita mumkin bo‘lgan tartib baholangan. Tartiblar oxirgi qo‘shilgan reaktivga ko‘ra uch sinfga ajratilgan: metall prekursor-oxirida, qaytaruvchi-oxirida va oksidlovchi-oxirida. NanoChef taxminan 35 sikl ichida past yo‘qotishli retseptlarga yaqinlashgan va surrogat model uchun R² = 0,997 bildirilgan.

Oksidlovchi-oxirida usuli o‘rtacha 194 nm FWHM bilan uch sinf orasidagi eng tor o‘rtacha cho‘qqini hosil qilgan. Tadqiqot bu yondashuvni o‘zining tajribaviy doirasi ichida ilgari baholanmagan yangi sintez strategiyasi sifatida taqdim etadi. Mualliflar H₂O₂ ning kechiktirib qo‘shilishi dastlabki yadrolar hosil bo‘lgach, o‘sish dinamikasini tartibga solishi mumkinligini ilgari suradi; biroq bu mexanizm bevosita o‘lchanmagan.

To‘rt reaktivli tizim va 17,5 milliard nomzod retsept

To‘rt reaktivli tizimda H₂O₂, AgNO₃, NaBH₄ va sitrat uchun 4! = 24 xil qo‘shish tartibi mavjud. Oltita uzluksiz tajriba o‘zgaruvchisining har biri 30 alohida qiymatga bo‘linganda nazariy dizayn fazosi:

\[ 24\times30^6=17.496.000.000 \]

mumkin bo‘lgan retseptga yetadi. Bu son fizik jihatdan bajarilgan tajribalar soni emas; algoritm tanlov qilishi mumkin bo‘lgan diskret nomzod fazosining kattaligidir.

6-shaklda NanoChef 58 sikl davomida turli tartiblarni o‘rgangan. Dastlab metall prekursor-oxirida va oksidlovchi-oxirida kabi barqarorroq lokal hududlarga e’tibor qaratgan, ushbu hududlardagi yaxshilanish sekinlashganda esa qaytaruvchi-oxirida tartiblarga yo‘nalgan. Xususan, sitrat → H₂O₂ → AgNO₃ → NaBH₄ va H₂O₂ → sitrat → AgNO₃ → NaBH₄ tartiblari keyingi sikllarda ko‘proq tanlangan.

Qaytaruvchi-oxirida sinfi taxminan 0,05 bilan eng past minimal yo‘qotishga erishgan, biroq taxminan 0,14 bilan eng yuqori yo‘qotish dispersiyasini ko‘rsatgan. Bu holat qaytaruvchi-oxirida fazoning yuqoriroq salohiyatga ega ekanini, ammo reaktiv hajmlariga sezgirroq va notekisroq ekanini anglatadi. Metall prekursor-oxirida, oksidlovchi-oxirida va sirt faol modda-oxirida sinflarida minimal yo‘qotishlar taxminan 0,08-0,10 oralig‘ida, dispersiyalar esa taxminan 0,10-0,11 oralig‘ida qolgan.

Oltin nanorod tajribasi nimani ko‘rsatadi?

Tizim faqat kumush nanoparchalarga xos yoki xos emasligini tekshirish maqsadida qo‘shimcha oltin nanorod tajribasi o‘tkazilgan. Maqsadli bo‘ylama sirt plazmon rezonansi to‘lqin uzunligi 700 nm deb belgilangan; xlorid kislota bilan askorbin kislotani qo‘shish tartibi va hajmlari optimallashtirilgan. NanoChef 60 tajriba ichida maqsadga yaqin bo‘ylama yutilish cho‘qqilarini hosil qiladigan sharoitlarni aniqlagan.

Bu tajriba tizim ikkinchi va morfologiyaga sezgir nanoparcha tizimida ham ishlashi mumkinligiga dalil beradi. Biroq bitta qo‘shimcha kimyoviy tizim usul barcha nanoparcha oilalariga, katalizatorlarga, kvant nuqtalariga yoki sanoat sintezlariga umumlashtirilishini isbotlamaydi.

Shakllarning asosiy xabarlari

• 1-shakl: Sun’iy intellekt taklifi, robotik sintez, UV-Vis xarakterizatsiyasi va modelni yangilashdan iborat yopiq tajriba siklini ko‘rsatadi.
• 2-shakl: Sintez tartibining ta’siri kuchaygani sari optimallashtirish yuzasi murakkablashishini va tanlangan nuqtalar kengroq hududga tarqalishini ko‘rsatadi.
• 3-shakl: NanoChef tadqiqotda ishlatilgan multimodal virtual test yuzasida taqqoslash usullariga qaraganda global optimumga tezroq erishganini ko‘rsatadi.
• 4-shakl: Qaytaruvchi-oxirida kumush nanoparcha sintezi metall prekursor-oxirida sintezga nisbatan torroq UV-Vis cho‘qqisi va tartibliroq TEM morfologiyasi berganini ko‘rsatadi.
• 5-shakl: Uch reaktivli tizimda maqsadga xos muvaffaqiyat bilan o‘rtacha monodisperslik bir xil tartib sinfida majburiy ravishda birlashmasligini ko‘rsatadi.
• 6-shakl: NanoChef 24 tartib va oltita uzluksiz sharoitni o‘z ichiga olgan katta nomzod fazosida avval barqarorroq lokal hududlardan foydalanganini, keyin esa xavfliroq, biroq pastroq yo‘qotish beradigan qaytaruvchi-oxirida hududlarga o‘tganini ko‘rsatadi.

Tadqiqotning kuchli tomonlari

• Tartibli kategorik o‘zgaruvchilar bilan uzluksiz tajriba sharoitlarini bir xil modelda birlashtiradi.
• Virtual testlar bilan cheklanmay, robotik kimyoviy tajribalar bilan tasdiqlash o‘tkazadi.
• 4.000 dan kam parametrli yengil modeldan foydalanib, cheklangan hisoblash infratuzilmasiga mos yondashuvni taklif qiladi.
• Turli murakkablik darajalaridagi ikki, uch va to‘rt reaktivli tizimlarni taqqoslaydi.
• UV-Vis o‘lchovlarini TEM tasvirlari bilan qo‘llab-quvvatlaydi.
• Kumush nanoparchalar bilan birga oltin nanorod sintezida ham qo‘shimcha tasdiqlash taqdim etadi.
• Manba kod namunalarini va ish muhitini ochiq GitHub omborida ulashadi.

Tadqiqotning cheklovlari va matn ichidagi noaniqliklar

• Tadqiqot hakamlar ko‘rigidan o‘tmagan preprintdir.
• Qo‘shimcha shakllar, jadvallar va videolar yuklangan asosiy matnda bo‘lmagani sababli ko‘plab tafsilotlarni mustaqil tekshirib bo‘lmaydi.
• Annotatsiyada FWHM kamayishi %36, ikki reaktivli natijalar bo‘limida %32, muhokamada esa “%30 gacha” deb berilgan. 214 nm dan 146 nm gacha to‘g‘ridan-to‘g‘ri o‘tish taxminan %31,8 kamayishga teng.
• Uch reaktivli oksidlovchi-oxirida sinfining FWHM standart og‘ishi 5-shaklda 103 nm, izoh matnida 101 nm sifatida ko‘rinadi.
• Bosma yo‘qotish funksiyasida maqsad to‘lqin uzunligidan og‘ishning mutlaq qiymati mavjud emas; amaliyotdagi ishora bilan ishlash jarayoni tushuntirilmagan.
• Uch va to‘rt reaktivli tajribalarning giperparametrlar bo‘limida oltita hajm optimallashtirilgani aytilgan bo‘lsa-da, tajriba protsedurasining ayrim jumlalarida suv, PVP va sitrat hajmlari o‘zgarmas berilgan. Qaysi sikllarda qaysi o‘zgaruvchilar haqiqatan erkin qoldirilgani asosiy matndan to‘liq ravshan emas.
• R² = 0,997 qiymati bildirilganiga qaramay, asosiy matnda mustaqil tashqi test to‘plami qanday tuzilgani batafsil tushuntirilmagan.
• Noaniqlikni namunalash yondashuvining kalibrlanishi va Gamma taqsimoti parametrlarining aniq qo‘llanish shakli cheklangan darajada izohlangan.
• Asosiy tajribalar bitta robotik laboratoriyada va asosan kumush nanoparcha tizimida bajarilgan.
• Ko‘p markazli laboratoriya takrori, sanoat miqyosiga kattalashtirish, uzoq muddatli uskuna barqarorligi va iqtisodiy xarajat tahlili o‘tkazilmagan.

Tadqiqot nimani qo‘llab-quvvatlaydi?

Tadqiqot reaktivlarni qo‘shish tartibi nanoparcha sintezida optimallashtirilishi mumkin bo‘lgan va kimyoviy jihatdan mazmunli o‘zgaruvchi ekanini qo‘llab-quvvatlaydi. NanoChef tadqiqotda ishlatilgan virtual yuzalar hamda kumush va oltin nanoparcha tajribalarida tartib va hajm o‘zgaruvchilarini birgalikda o‘rganishi mumkinligi ko‘rsatilgan. Qaytaruvchi-oxirida yondashuvi maqsadga xos kumush nanoparcha sintezida kuchli natija bergani, oksidlovchi-oxirida yondashuvi esa o‘rtacha cho‘qqi kengligini kamaytira olgani kuzatilgan.

Tadqiqot nimani isbotlamaydi?

Tadqiqot har bir nanoparcha sintezida qaytaruvchi albatta oxirida qo‘shilishi kerakligini isbotlamaydi. Oksidlovchi-oxirida yondashuvi barcha materiallarda bir xilligi yuqoriroq zarrachalarni hosil qiladi degan xulosaga ham kelib bo‘lmaydi. Taqdim etilgan mexanizmlar to‘g‘ridan-to‘g‘ri kinetik yoki molekulyar o‘lchovlar bilan tasdiqlanmagan. Bundan tashqari, 17,5 milliard nomzod fazoning barchasi fizik jihatdan skanerlanmagan, bu fazo sun’iy intellekt tomonidan cheklangan sondagi tajribalar bilan o‘rganilgan. Natijalar sanoat ishlab chiqarish muvaffaqiyati, tijoriy xarajat ustunligi, klinik foydalanish, xavfsizlik kafolati yoki barcha laboratoriyalarda bir xil samaradorlikni anglatmaydi.

Tadqiqotning usuli va natijalari

NanoChef modelining texnik sozlamalari

Virtual tajriba sozlamalari

Kimyoviy tajribalarda ishlatilgan qidiruv fazolari

Kumush nanoparcha sintezi sharoitlari

• AgNO₃: 1,25 mM stok eritmasi
• Sitrat: 20 mM stok eritmasi
• H₂O₂: massa bo‘yicha %0,75 stok eritmasi
• NaBH₄: 20 mM stok eritmasi
• O‘zgaruvchan hajmlar: 100-3.000 µL
• Hajm qadami: uskuna xatosini kamaytirish uchun 50 µL
• Dastlabki aralashtirish: 5 daqiqa
• Yakuniy aralashtirish: xona haroratida 600 rpm bilan 40 daqiqa
• Bosim xavfsizligi: vodorod hosil bo‘lishi sababli idishlar yopilmagan

Ikki reaktivli namunaviy protsedurada 2.400 µL deionizatsiyalangan suv, 1.000 µL PVP55, 2.000 µL sitrat va 1.200 µL H₂O₂ ishlatilgan; AgNO₃ bilan NaBH₄ tartibi va hajmlari NanoChef taklifiga ko‘ra o‘zgartirilgan.

UV-Vis xarakterizatsiyasi

Har bir sintezdan keyin robotik qo‘l toza kyuveta joylashtirgan, kyuvetaga 2 mL deionizatsiyalangan suv bilan 0,8 mL kolloid nanoparcha eritmasini o‘tkazgan va uchta aralashtirish siklini bajargan. Spektral cho‘qqilar SciPy kutubxonasidagi find_peaks, peak_prominences va peak_widths funksiyalari bilan tahlil qilingan.

Asosiy matnda cho‘qqi prominensiyasi uchun 0,01, minimal FWHM uchun 20 nm va λmax uchun 310 nm bilan bog‘liq chegara qiymati berilgan. Biroq jumlaning bog‘lovchi tuzilishi ushbu shartlar birgalikda yoki muqobil ravishda qo‘llanganini to‘liq tushuntirmaydi.

Oltin nanorod sintezi sharoitlari

• HAuCl₄: 5 mM
• AgNO₃: 1 mM
• Askorbin kislotasi: 10 mM
• HCl: 0,5 M
• NaBH₄: 1 mM
• CTAB va natriy oleat: 200 mM
• NaBH₄ hajmi: barcha tajribalarda 100 µL va oxirida qo‘shilgan qaytaruvchi
• Aralashtirish: 1 daqiqa
• Yetiltirish: 30 °C da 1 soat
• Maqsadli bo‘ylama LSPR λmax: 700 nm

Asosiy topilmalarning jamlangan xulosasi

Manba va usul qaydi

Tadqiqotning to‘liq asl nomi:NanoChef: AI Framework for Simultaneous Optimization of Synthesis Sequences and Reaction Conditions at Autonomous Laboratories

Mualliflar va ularning tartibi: Hyuk Jun Yoo; Daeho Kim; Sehyuk Yim; Heeseung Lee; Nayeon Kim; Sang Kyu Kwak; Sang Soo Han.

Teng hissa qo‘shgan mualliflar: Hyuk Jun Yoo va Daeho Kim.

Mas’ul mualliflar: Sang Kyu Kwak va Sang Soo Han.

Institutsional aloqalar:

1. Computational Science Research Center, Korea Institute of Science and Technology, Seul, Koreya Respublikasi.
2. Department of Chemical and Biological Engineering, Korea University, Seul, Koreya Respublikasi.
3. Center for Artificial Intelligence Research, Korea Institute of Science and Technology, Seul, Koreya Respublikasi.
4. Department of Material Science and Engineering, Korea University, Seul, Koreya Respublikasi.
5. Department of Chemistry, Korea University, Seul, Koreya Respublikasi.

Muallif-institut mosligi: Hyuk Jun Yoo (1); Daeho Kim (1, 2); Sehyuk Yim (3); Heeseung Lee (1, 4); Nayeon Kim (1, 5); Sang Kyu Kwak (2); Sang Soo Han (1).

Manba turi: Virtual model tasdiqlashini robotik kimyoviy tajribalar bilan birlashtirgan tajribaviy preprint tadqiqot maqolasi.

Hakamlik holati: Ushbu tadqiqot preprint bo‘lib, hakamlar ko‘rigidan o‘tmagan.

Yuklangan versiya platformasi: SSRN.

Yuklangan SSRN versiyasining DOI’si:10.2139/ssrn.7197180

Rasmiy SSRN havolasi:SSRN ro‘yxat sahifasi

Oldingi ChemRxiv versiyasi: Tadqiqotning eskiroq va qisqaroq mualliflar ro‘yxatiga ega preprint versiyasi ChemRxiv’da mavjud.

Oldingi ChemRxiv DOI’si:10.26434/chemrxiv-2025-96bmc

Jurnal: Hakamlikdan o‘tadigan jurnalda chop etilgani tasdiqlanmagan.

Asl jurnal nashriyoti: Yuklangan versiya uchun tasdiqlangan hakamlikdan o‘tadigan jurnal nashriyoti mavjud emas. Asosiy matndagi Wiley Online Library iborasi o‘z-o‘zicha jurnalga qabul qilinganlik yoki chop etilganlik dalili emas.

Nashr yili: Yuklangan joriy SSRN versiyasi 2026 yilga; oldingi ChemRxiv versiyasi 2025 yilga tegishli.

Kod va ma’lumotlarga kirish: Tadqiqotda Python 3.8 bilan tayyorlangan kod namunalari KIST-CSRC/NanoChef GitHub omborida mavjudligi bildiriladi.

Moliyalashtirish: Tadqiqot Koreya Milliy Tadqiqot Jamg‘armasi tomonidan RS-2022-NR068356 va RS-2024-00450102 raqamli loyihalar orqali qo‘llab-quvvatlangan.

Manfaatlar to‘qnashuvi: Mualliflar raqobat qiluvchi moliyaviy manfaatlar mavjudligini bildirmagan.

Ushbu turkcha izoh yuklangan tadqiqotning asosiy matni, tenglamalari, shakllari, spektrlari, TEM tasvirlari, tajriba protseduralari va bildirilgan sonli natijalar asosida tayyorlangan. Tadqiqotda mavjud bo‘lmagan ilmiy natijalar qo‘shilmagan. Tashqi manbalar faqat DOI, versiya, platforma va nashr holati kabi bibliografik ma’lumotlarni tekshirish uchun ishlatilgan.

Asosiy cheklovlar: tadqiqotning hakamlar ko‘rigidan o‘tmaganligi, qo‘shimcha ma’lumot fayllarining yuklangan matnda mavjud emasligi, ayrim foizlar va standart og‘ish qiymatlari orasidagi matn-shakl nomuvofiqliklari, yo‘qotish funksiyasida ishorani qo‘llash bo‘yicha noaniqlik, bitta laboratoriyadagi tasdiqlash va sanoat miqyosidagi tajribalar yo‘qligidir. Natijalar ushbu chegaralar doirasida baholanishi kerak.